【Spark Summit East 2017】用于数据分析的基于Kerberos的安全的Spark Notebook

简介: 本讲义出自Joy Chakraborty在Spark Summit East 2017上的演讲,主要介绍了为了使用Spark构建基于Kerberos的安全的JupyterHub笔记本所提出的技术设计和开发思想。

更多精彩内容参见云栖社区大数据频道https://yq.aliyun.com/big-data;此外,通过Maxcompute及其配套产品,低廉的大数据分析仅需几步,详情访问https://www.aliyun.com/product/odps


本讲义出自Joy Chakraborty在Spark Summit East 2017上的演讲,主要介绍了为了使用Spark构建基于Kerberos的安全的JupyterHub笔记本所提出的技术设计和开发思想。在演讲中Joy Chakraborty着重介绍了Sparkmagic和Livy的功能以及Kerberos的集成技术。


8d4194d4d6c29e8649501822f0605086c0fd09dc

72020d292c252784d22e6ff1532c570850777bb1

1255d7b9cf7ec018e4e481a128f99da405513a88

a2df732bc75cf025b35928bb20a39dc3ef1de41f

3b91e2ce970a88f504bf62889e47e1738339f717

a13b30dddf8a7252532768bbfdf12277345715d8

b6a1e3ae451c3a746526d735ab03b289240b8fed

8834021a7257470a7cad937ec8ded4ce2448607f

097f41668ca2ff18340f8bde2d9d36ec5a9fd5cb

5bd30683a9fce9a642891edb02230e0cd8f11ea1

c17ebfc48f43f36e0aa0acfd3a6e3540e5989237

297279f3abee42151bcb7c3fbcc7a30caa6345e1

634e42322b6a6b2bce82ce408a93bffd31b2ad8f

15110301dfba17632b409613b796064861604b27

6a12ba7976ec8381e9cb704402320176efea8302

8991a5b9004324b66582758fa5e74f0aa9e40c26

b3242ad38465454267218afb746295e5cc739b35

eba8c7daf4501858bf957dced818fc059b6d0771

2d05717978ca4dfe3c3adf8353ec1e3ef9d49cd7

1727a61fe4135ea4f14e8887bce11ef724841b12

5889d6fe70d43a1142cd79b7e61ec14328f015e5

0b7ef84899b37fbb665225b0f5aabf1a7c84f4ce

75c547771d8c79794afc628945bff274d44f4d9f

a6e8bea42956e226509e66d6c63e55f46d7d686b

25398f2ef536ec9ca717409b1beb5b5472a38769

656238696c0b8bb86674efa652ceb5f6f1693230

6cc15ce7d52639fb159bb611c80d3fb02a1fc0cd

a2b380b5c317d25c05644f7a919cb6306ea66195

35287743eda037075a9f822ee90112d73f42bd27

bd52460acb41c7b99f68a57bbe1c57bfa7594db0

d9fbc914326497b3fde4961f24e2fe7441f5c713

2c8bca3bfb3f4634a0e54605fec3f06e52ab761b

21d057ee59dc2f592ab26bf859c4026dc808dbc6

d6a14f9999269c9870de6cef8f6f248f298ad1b4

71e7428c5ddfdd3c4f39d84222c8214be098b87a

af028d779e4c1bade68794b27a143276541158ce

b4c0af7c16a64a6547bd4f570c31d839b2a74167

84e1223800ff8e99e7a6307cb512cd8b16b5bc37

56306852b9b8139d7b279f4471059d83bcb8bfc3

5eb07e534d3ac885aca1ab02f2ba9d7b76d7b62d

9ec632d58cf425a9b557db1dedaa9cccdf1ce663

5aeba999fba80f26d1cf44e47d1a388d4d931181

1e595bbbb96eb2882f913f3996bf85850e1db397

e4602ba70aaee575833b606f777aa9a6c1fb82b4

70c7c0119a7818b1d21407f01836ce79bf777a30

b11f688581de23e082b059a10a2bd31ed17d9a6a

e95629d6a93b4de9d5a067bb05205f43fd4a65f3

267da63cebd2526ff299f960a6188ae24fdbca13

08660e0f854daac7dc2635d454edf97da357a129

相关文章
|
8月前
|
分布式计算 数据挖掘 数据处理
Spark如何支持实时数据分析?
【6月更文挑战第16天】Spark如何支持实时数据分析?
114 3
|
9月前
|
SQL 分布式计算 数据挖掘
Spark_Day07:Spark SQL(DataFrame是什么和数据分析(案例讲解))
Spark_Day07:Spark SQL(DataFrame是什么和数据分析(案例讲解))
199 0
|
9月前
|
SQL 分布式计算 数据挖掘
面试官嫌我Sql写的太low?要求我重写还加了三个需求?——二战Spark电影评分数据分析
面试官嫌我Sql写的太low?要求我重写还加了三个需求?——二战Spark电影评分数据分析
92 0
面试官嫌我Sql写的太low?要求我重写还加了三个需求?——二战Spark电影评分数据分析
|
9月前
|
分布式计算 数据挖掘 关系型数据库
Spark综合练习——电影评分数据分析
Spark综合练习——电影评分数据分析
107 0
|
9月前
|
SQL 分布式计算 数据可视化
Spark SQL案例【电商购买数据分析】
Spark SQL案例【电商购买数据分析】
|
9月前
|
SQL 分布式计算 数据可视化
Spark SQL【基于泰坦尼克号生还数据的 Spark 数据分析处理】
Spark SQL【基于泰坦尼克号生还数据的 Spark 数据分析处理】
|
消息中间件 分布式计算 物联网
大数据Spark物联网设备数据分析
大数据Spark物联网设备数据分析
179 0
大数据Spark物联网设备数据分析
|
3月前
|
存储 分布式计算 Hadoop
数据湖技术:Hadoop与Spark在大数据处理中的协同作用
【10月更文挑战第27天】在大数据时代,数据湖技术凭借其灵活性和成本效益成为企业存储和分析大规模异构数据的首选。Hadoop和Spark作为数据湖技术的核心组件,通过HDFS存储数据和Spark进行高效计算,实现了数据处理的优化。本文探讨了Hadoop与Spark的最佳实践,包括数据存储、处理、安全和可视化等方面,展示了它们在实际应用中的协同效应。
201 2
|
3月前
|
分布式计算 大数据 Apache
ClickHouse与大数据生态集成:Spark & Flink 实战
【10月更文挑战第26天】在当今这个数据爆炸的时代,能够高效地处理和分析海量数据成为了企业和组织提升竞争力的关键。作为一款高性能的列式数据库系统,ClickHouse 在大数据分析领域展现出了卓越的能力。然而,为了充分利用ClickHouse的优势,将其与现有的大数据处理框架(如Apache Spark和Apache Flink)进行集成变得尤为重要。本文将从我个人的角度出发,探讨如何通过这些技术的结合,实现对大规模数据的实时处理和分析。
235 2
ClickHouse与大数据生态集成:Spark & Flink 实战
|
3月前
|
存储 分布式计算 Hadoop
数据湖技术:Hadoop与Spark在大数据处理中的协同作用
【10月更文挑战第26天】本文详细探讨了Hadoop与Spark在大数据处理中的协同作用,通过具体案例展示了两者的最佳实践。Hadoop的HDFS和MapReduce负责数据存储和预处理,确保高可靠性和容错性;Spark则凭借其高性能和丰富的API,进行深度分析和机器学习,实现高效的批处理和实时处理。
194 1